MétaCan
Menu
Retour à la cohorte
Enregistrement W2982674096

Self-Reward Strategies Associated With Academic Effectiveness

2019· article· en· W2982674096 sur OpenAlexaff
Morgan Hempel

Notice bibliographique

RevueStudent Research Proceedings · 2019
Typearticle
Langueen
DomainePsychology
ThématiqueAcademic and Historical Perspectives in Psychology
Établissements canadiensMacEwan University
Organismes subventionnairesnon disponible
Mots-clésSession (web analytics)PsychologyPlan (archaeology)Social psychologyApplied psychologyMedical educationMedicineComputer science
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Most people have struggled with studying at some point in their lives. A tactic that has been used to alleviate this issue is to reward oneself for studying. MacEwan University students (N = 353) were asked to complete an online survey that included the following questions: (1) To what extent do you reward yourself in some way when you complete a study session? (2) To what extent do you deliberately plan some type of reward following a study session? (3) To what extent do you reward yourself following a study session, but only if you successfully complete the study session as planned? Students’ ratings on these items were correlated with their ratings of whether they also successfully completed their study plans. The results showed that while all the self-reward strategies were significantly correlated with study plan completion, the regression analysis indicated that rewarding oneself only after the study session was successfully completed (contingent self-reward) was most predictive of study plan completion. These results have implications for the kinds of advice offered to students to improve their study behaviour. Limitations of these findings include the correlational nature of the study and the use of self-report measures only.   Faculty Mentor: Russ Powell Department: Psychology (Honours)

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,018
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,009

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,018
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,001
Communication savante0,0020,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,084
Tête enseignante GPT0,480
Écart entre enseignants0,397 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueStudent Research ProceedingsMême sujetAcademic and Historical Perspectives in PsychologyTravaux en français237 207